国家对清洁能源的需求提高了风力发电设备的建设水平，并且风电场的运行维护必须与时俱进，在大数据的背景下，通过进行有效结合，风电场可以更有效地进行风电场的运营和维护，将大数据与风电场的运维相结合也是数字时代下的主要生产方式，利用更少的人力资源来实现更为高效的控制。使用与大数据匹配的新管理模式，以在大数据背景下优化风力发电场的管理流程，并提高风电场的整体运维水平。另一方面由于风力发电的成规模发展时间较晚，有许多地方亟需加以完善，结合时代发展的趋势来进行优化调整。
本文结合自身的运维经验，首先对于风电场运维中出现的问题进行分析，并找出根本性的原因，并且与风电场运维的特点进行深度结合。以此就大数据时代背景下，怎样创新地将风电运维与大数据进行有效地结合，提高运维水平，更好的服务于我国电力行业的建设，服务于群众生产生活需求。
一、风电运维现状以及面临的问题
一方面，我国大规模风力发电形成时间较短，风电运维体系的建设依旧不都完善。同时由于风电设施的快速拓展，所以导致了对于大量专业人才的需求，但是风电场的工作经常处于高强度，造成了相关人员的流动性，人员的流动性进一步造成运维过程中缺乏现场经验以及操作和维护经验不足，因此风电场难以有效进行运维。面对上述这些问题，需要能够与时俱进，结合风电场如今规模愈加壮大的现实。无论对风电场的投资者，运营商或第三方服务提供商来说在运行，维护以及管理方面都将面对巨大的挑战。因此在这些巨大的挑战面前，怎样有效降低运维管理的成本，提高管理效率已经成为当前风电运维的主要需求。因此每个单位或第三方运维团队都需要能够建立一个大型数据库，能够对于各项数据进行统计以及故障预测等资源进行共享，实现系统化的运维。同时，完善风机运维的操作系统，从而可以进行系统化的运维。
同时集中控制与风机之间通信接口规范的问题，每个风力涡轮机设备的所有者必须向制造商阐明风力涡轮机外部接口的标准和版本，集成接口数据类型，并确保能够满足最基本的技术要求以及安全因素，所以在风电运维过程中也需要能够及时与制造商保持联系。
在运维过程中存在着备件库效率低下的问题。在风电运维的过程中，需要根据设备的损耗率来进行设备备件的准备，但是当前并没有对其进行相关因素的考量，导致了运维成本的提升，这也是运维人员在工作过程中需要加以完善的内容。
所以在风电场运维过程中需要建立和完善流通，运行，维护，管理，监督和监控系统。每个单位或电力监督部门都必须建立基于循环运行和维护的统一监督管理体系，以确保循环运行和维护真正做到公平，公正，公开。
二、风电运维特点
目前，许多开发商已经建立了独立的运营和维护公司。在这其中国有企业开发商拥有相对雄厚的资金，其自身规模的优势有助于集中所有设备和备件的采购，从而降低运营和维护成本。对于资源获取方面有着得天独厚的便捷性，但是从开发到设备制造再到零部件的整个产业链，都不会放弃这个运行维护市场。这可能是开发商目前在运维市场上独占鳌头的第一原因。
在运维过程中不仅仅需要能够进行该简单的维护和故障排除，还需要能够提升对于设备的日常维护与管理。然而，由于在技术领域的保密，不同品牌的风力涡轮机的运行和维护市场以及服务价格相对较高。所以在现阶段下，许多风电场都需要能够找到有效降低运维成本的方式。
高昂的运营和维护成本主要在电子控制系统当中得到体现，传动系统，变桨系统和偏航系统之间。以传输系统的传输维护为例，更换成本有时能够达到百万元的级别，这还不包括由于维护周期长而造成的电力损失。据大量的实践观察可以得知，风扇变速箱的大多数常见故障都来自变速箱的润滑。通过将旁路精滤系统与机油在线监测系统一起使用，可以进行精油过滤以改善设备的润滑状况，另一方面，可以在运维过程中进行动态监测。可以大大减少由于润滑不良造成的变速箱故障。基于监视和数据挖掘技术的智能运维系统的另一个优势是，它使您能够制定科学的运维策略并进行合理的准备，同时消除了会引起严重问题的小缺陷隐患。结合数据来进行人力的部署，备件供应，维护节点等该批次大大降低了维护成本并提高了发电效率。
三、大数据管控下的风电场创新型运维管理模式
将大数据应用到风电场运维中，促进集中化智能精细管理的建设，在一定程度上改变了风电场运维资源分配方法和技术支持特点，能够对于资源进行相对应的整合。风力发电业务的整合运营，提高风电场的远程监控效率。建立集中化，智能化的管理模式，可以更有效地传递风电场预警信息和设备参数错误信息，有效提高实际运行过程的工作效率，降低企业成本，实现了资金运用效率的集中化。所以在风电运维过程中需要能够将大数据优势进行深度发掘，不断提升管理意识，将风电运维工作能够更快，更好地开展下去。伴随着数字时代的来临，风电管理模式将会持续性朝向智能化方向发展，将数据资源进行融合，稳步推进数字化时代下大数据风电运维管理的建设。通过网络功能和风能大数据库，通过风机维护操作远程提供风电场事故的解决方案。进一步将大数据与风电运维管理的具体情况、融合，积极开发实用可行的运维系统和措施，并通过数字化，网络化，智能化运行，进行科学合理的调度计划和运行。建立一个系统。风电场的维护规划，设备性能的改进和故障诊断。接下来本文将对于大数据与风电场融合的措施进行详细探讨。
1、风电场大数据运维基本要求
大数据系统在风电创新型运维过程中首先需要满足一下基本的需求，才能够更好地服务于风电场额运维管理。
（1）大数据系统能够自动捕获风力涡轮机中的设备故障并触发故障预警系统。
（2）要通过大数据实现一个全面的生产管理和绩效评估系统，在实际的工作过程中，需要将备件消耗，设备分类和人员评估有机地结合在一起。
（3）要能够在这一过程中形成完整的系统集成，在集成的软件平台上实现了风电厂所有设备的监控，预警系统，数据分析和报告的生成，并且能够在系统中防止数据出现重复。
（4）构建风力发电机组故障案例数据库，并提供以往的处理方法和故障案例来进行工作建议的处理。
生产运维信息系统有效地形成了设备数据与生产数据之间的数据传输链，从风电场到区域企业总部，可以满足各种层次的人力需求，防止过多人为干预，在数据报告过程中确保数据的准确性，从而让工作人员有更多的精力集中在专业技能的水平上。
此外，整个风电场数据收集和生产管理系统可以在将来有效地与其他风电场连接在一起，不仅可以实现标准化扩展，可以实现生产成本的节约。系统中的所有风电场实现大数据的系统部署以后，实时监视设备运行状态，进一步细化本地维护模式，实现对于数据知识的设计，设备故障参数库的更新调整，在生产指标的全面比较和分析方面已进行了重大创新。
（1）实现大规模实时数据的采集，处理和存储，以及快速的数据刷新。它基于广泛的数据处理，对不同类型的风力涡轮机进行分析，集成，分类，并总结了各种运行条件规则，以实现运行优化和维护。
（2）实现“智能”风机监测功能。该平台不仅执行风力涡轮机和升压站等风力发电厂设备的基本运行状况和警报监控，而且还会根据趋势变化或从设备收集的参数数据差异生成“智能”预警，从而潜在地发现设备问题。因此实现了“预防性维护”设备的管理模式。
（3）在集成软件平台上实现了整个系统的集成，并实现了风电厂所有设备的监控，预警工程，数据分析和报告生成，避免了相同数据的重复性，能够降低工作人员在这一过程中出现的失误。此外，通过对于风电设备以往数据的分析，通过数据的动态变化来实现对于设备现状的掌握，进一步分析问题出现的原因。并且能够在注意过程中实现设备的多元化管理，动过基于结合不同时期设备数据的变化，能够对于设备中存在的问题进行有效的排查。
（4）并能够实现对于设备的集中化管理，在运维过程中可以实现对于人员调动的合理分配，以最小的成本实现最大的能效。在这一过程中可以组成集中的维护团队，实现运维团队的专业化操作，明确操作流程，真正做到科学运维。
（5）随着项目的进展，风电场指标管理系统在后期风电场生产指标的计算和分析，风电场管理，指标管理和评估管理中能够实现智能化管理。
2、风电场的运行监视与远程操控
风电场的设施规模往往很大，所分布的面积也相对广泛，基于上述种种因素，风电场的实时管理比较困难，不通风电场的管理差距很大，设备控制能力弱。通过在运维过程中进一步结合大数据技术，能够实现对于设备的有效监护，数字时代已经悄然走入了各行各业的生产之中。运维人员通过远程控制数据，并且进行操作分析，实现动态化的调整。此外，可以实现监控画面在风电场内的全域覆盖，对于运维工作流程也能够更加清晰地进行控制。通过实时监控设备并收集设备的实时状态和运行信息，人们可以清楚地掌握远距离风力发电厂设备的运行状态，并根据监控情况下达操作说明。设备的远程控制可以通过专用通道直接向远程控制设备发出控制命令，以达到远程控制的目的。结合从现场远程发送的图像信息，可以使您的工作更安全。集中监控系统的数字控制将设备信息作为大数据收集的基础进行集中集成，为后续的大数据分析提供数据服务和数据工具支持，实现监控系统的集成化，网格化。
3、大数据的统计、计算与分析实现风电场设备的全生命周期管理
大数据的形成是通过对所有设备的数据收集分析而形成的。“大数据”可以捕获所有风力发电机的运行数据信息。以风力涡轮机为例。在提升和操作风力涡轮机之后，可以用大数据控制风力涡轮机，以记录风力涡轮机在各种风速下的运行状态，风力涡轮机的年度定期维护期以及风力涡轮机设备。以及何时更换组件，直到它们不再起作用。所有数据都被逐一记录，以为公司的管理和控制决策提供数据基础。
对信息进行逐一分析和处理，并进行具体分类，并根据几年来风力发电机的风速情况估算运行趋势。通过可靠地计算风力涡轮机性能的下降程度，为风力发电厂制定年度发电计划。全面科学地制定了风力涡轮机的维护策略，在风电场中对风力涡轮机进行定期检查的周期，利用了风力涡轮机的故障状况，并提出了下一步为风力涡轮机备件储备的计划。
4、大数据的实际应用及管控
通过对以上数据的收集，计算和分析，并进一步根据自身的运维情况，将数据转换为实际地管理控制方法，不断实现工作效率的提升。其中可以细化为，故障预警分析和故障解决方案，风扇状态维护以及定期检查周期的简化。确定风机性能差异和预测发电量，风机群的智能应用，风机备料的订购建议等。大数据统计对风机故障进行分类和分析，记录设备损坏的频率，为设备的技术改造提供技术支持。通过分析各种设备参数设计，极大程度减少了错误的处理时间。通过收集有关风力涡轮机运行状态的信息和定期检查周期信息，将运维工作与风力发电机设定值的变化以及对风力发电机所产生的影响相结合，演变为对风力发电机的状态检查。从而确定风机的维护保养方法，科学制定相关措施，缩短风扇的定期检查时间，准确找到维护内容，从而提高设备的生产效能。
5、大数据的经济效益管控
为了生产体系安全建设，有必要加强对于设备的监督管理，为风电场安全运行管理提供有力保障。需要能够加强安全检视，开展定期检查，随机检查和及时检查，在整个风电场的建设过程中都应进行安全运行管理。此外，必须仔细检查现场，以确保安全设备齐全，并且确保现场没有杂物，以避免潜在的安全隐患。在大数据的实际应用和控制下，提高工作效率和增加发电量可以提高公司的整体经济效益。这主要体现在改善效率管理和控制风电增长，减少库存压力方面。科学地估计占用率，进行年发电量预测和年收入水平，合理地进行有条件的维护以使收益最大化，并科学地培训员工以提高工作效率。使用最有效，最科学的方法来操作和维护风电场运行，实现在大数据建设下经济效益的最大化。
综上所述，通过有效利用大数据，将加强风电场运行和维护的智能化建设水平，并在未来的阶段促进整个风电场的稳定发展。风电场运维主要包括设备管理，技术管理，运维人员管理，安全管理和维护成本管理等。这些管理任务的共同目标是不断提高设备的可用性，通过运行和维护优化设备的运行，并提供充分的支持以改善安全运行和发电质量。为了确保风电场的正常高效运行，需要能够根据风电场的现状，改进在生产生活中的不足，运维观念与时俱进，利用好大数据来进行全面系统的调整，将管理工作的价值最大化，为风电产业的稳定发展提供了有力的保证，基于大数据下为风电运维提供保障也是未来发展的主流趋势。
参考文献
[1]监测诊断技术促进风电场运维管理[J].张志坚,乔文生,艾士娟.设备管理与维修.2017(11)
[2]海上风电运维市场的新契机与对策[J].许元军.中国市场.2016(19)
[3]状态检修在风机检修中的应用及影响因素浅析[J].达丽敏.新疆农机化.2016(01)
[4]风机全寿命数字化集成运维管理系统的设计[J].陈世慧,张丽萍,刘英博.内蒙古电力技术.2013(02)
